mars_hirise_dtm_processed-ddb3905c7e17cd15

Mars HiRISE DTM 数据集是一个经过预处理的火星 HiRISE 正射影像和数字地形模型（DTM）补丁数据集，采用 LitData 优化的流式格式。数据集包含训练集、验证集和测试集，适用于深度估计任务。每个样本包含多个核心张量，如归一化的 HiRISE 正射影像、归一化的 DTM 高程、二进制有效数据掩码等，以及物理和光照参数，如太阳方向、太阳强度和环境光。此外，还提供了原始未归一化数据和归一化处理元数据。数据集字段详细描述了每个键的数据类型、形状和描述，例如 `image` 为 float16 类型的 (3, H, W) 张量，表示归一化的 HiRISE 正射影像。预处理配置包括 HiRISE 根目录、正射影像类型、采样器大小、分辨率等参数。

原始信息汇总

数据集概述

基本信息

• 数据集名称：Mars HiRISE DTM (LitData Streaming)
• 数据集地址：https://huggingface.co/datasets/SuperComputer/mars_hirise_dtm_processed-ddb3905c7e17cd15
• 许可证：apache-2.0
• 任务类别：深度估计
• 标签：mars, hirise, dtm, litdata, streaming

数据集结构

• 配置名称：ddb3905c7e17cd15
• 数据划分：训练集、验证集、测试集

数据集内容

• 数据格式：LitData优化流式格式
• 核心数据：火星HiRISE正射影像与数字地形模型补丁
• 预处理状态：已预处理

数据字段

字段名称	数据类型	形状	描述
image	float16	(3, H, W)	归一化的HiRISE正射影像 [-1, 1]
dtm	float16	(3, H, W)	归一化的DTM高程
confidence	float16	(1, H, W)	二进制有效数据掩码
sun_vector	float32	(3,)	估计的太阳方向
intensity	float32	标量	估计的太阳强度
ambient	float32	标量	估计的环境光
original_image	float16	(C, H, W)	未归一化的调整大小后的正射影像
original_dtm	float16	(1, H, W)	未归一化的调整大小后的DTM高程
trend_params	float16	(3,)	DTM平面LSQR去趋势参数
residual_scale	float32	标量	应用于DTM残差的归一化尺度
raw_residual_p98	float32	标量	原始地形残差的第98百分位数
key	string	标量	正射影像来源

预处理配置

• 配置哈希值：ddb3905c7e17cd15
• HiRISE参数：
  • 根目录：/scratch/mars_hirise_dtm
  • 包含正射影像：是
  • 正射影像类型：RED
  • 正射影像缩放：空
  • 下载：否
  • 重用缓存：是
  • 目标：空
  • 边界框：[60, 0, 90, 30]
• 采样器参数：
  • 大小：0.018
  • 长度：空
  • 中心模式：optimal
• 分辨率：512
• DTM归一化：relative

搜集汇总

数据集介绍

构建方式

在行星遥感领域，火星高分辨率成像科学实验（HiRISE）提供了丰富的地表观测数据。该数据集基于HiRISE数字地形模型（DTM）与正射影像，通过精心设计的预处理流程构建而成。原始数据经过裁剪与重采样，生成分辨率为512像素的标准化图像块，并采用相对高程归一化方法处理地形数据。数据流格式借助LitData技术优化，实现了无需完整下载的云端流式访问，显著提升了大规模遥感数据处理的效率。

特点

本数据集的核心特征在于其多维度的数据组织与物理参数的完整保留。每个样本不仅包含归一化的三通道正射影像与地形高程数据，还提供了二值化置信度掩膜以标识有效区域。尤为突出的是，数据集整合了光照物理参数，如估计的太阳方向向量、强度与环境光分量，为火星地表的光照建模提供了坚实基础。同时，原始未归一化数据与地形趋势参数得以保留，确保了数据可追溯性与后续分析的灵活性。

使用方法

利用该数据集进行深度估计或地表分析研究时，用户可通过LitData库的StreamingDataset接口直接流式加载。指定训练、验证或测试集路径后，即可按索引访问样本，获取包含图像、地形、置信度及各类元数据的字典。数据已预先量化为float16格式以优化传输，而关键物理参数保持float32精度。这种设计使得研究者能够高效地在大规模火星遥感数据上进行模型训练与验证，无需担忧本地存储限制。

背景与挑战

背景概述

火星高分辨率成像科学实验（HiRISE）数字地形模型（DTM）数据集，作为行星遥感与计算机视觉交叉领域的重要资源，由SuperComputer等研究机构基于NASA HiRISE影像数据构建，旨在推动火星表面地形分析与三维重建技术的发展。该数据集通过整合高精度正交影像与对应的高程数据，为核心研究问题——如基于单目或立体视觉的火星地形深度估计、地貌特征自动识别等——提供了标准化、大规模的训练与验证基础。其创建不仅深化了人类对火星地质过程的科学认知，也为自动驾驶、机器人导航等地球应用中的类似技术提供了 extraterrestrial 验证场景，显著提升了深度学习模型在异质环境下的泛化能力与鲁棒性。

当前挑战

该数据集致力于解决火星地形深度估计这一复杂领域问题，其核心挑战在于火星表面地貌的高度异质性、光照条件的极端变化以及影像中普遍存在的噪声与缺失数据，这些因素共同导致传统深度估计模型在精度与稳定性上面临严峻考验。在数据构建过程中，研究人员需克服原始HiRISE数据量大、存储与传输效率低下的难题，通过LitData流式处理技术实现高效的数据预处理与实时访问；同时，为确保DTM与正交影像的空间对齐与物理一致性，必须开发精密的归一化与去趋势算法，以消除传感器畸变与地形全局趋势的影响，这一过程对计算资源与算法设计提出了极高要求。

常用场景

经典使用场景

在行星地质学和遥感科学领域，火星表面地形数据的精确分析对于理解其地质演化至关重要。该数据集通过提供高分辨率成像科学实验（HiRISE）的正射影像与数字地形模型（DTM）配对数据，成为训练深度估计模型的经典资源。研究人员利用这些经过预处理的图像与高程数据，能够构建端到端的深度学习框架，以从火星影像中自动推断地形高程信息，从而支持对火星地表特征的定量化研究。

实际应用

在实际工程与探索任务中，该数据集支撑着火星探测任务的规划与分析。例如，它可用于生成着陆点的精细地形图，评估地形崎岖度与坡度，为火星车路径规划或潜在栖息地选址提供依据。此外，结合光照参数的数据有助于模拟火星表面的光照条件，对太阳能电池板部署或地质特征的光谱分析具有实用价值，直接服务于未来机器人探测与载人火星任务的前期研究。

衍生相关工作

围绕该数据集，已衍生出一系列专注于外星球地形分析的经典研究工作。例如，基于此类数据训练的深度估计模型被应用于生成火星全球或区域的高分辨率DTM产品。同时，结合生成对抗网络（GAN）的方法被探索用于地形数据增强或超分辨率重建。这些工作不仅推动了计算机视觉在行星科学中的应用，也促进了LitData等流式数据处理框架在大型遥感数据集上的优化与普及。